复制时在PDFBox中的新文档中裁剪页面

Question

我正在尝试将单个PDF拆分为多个。将10页文档转换为10页单页文档。

PDDocument source = PDDocument.load(input_file);
PDDocument output = new PDDocument();
PDPage page = source.getPages().get(0);
output.addPage(page);
output.save(file);
output.close();

这里的问题是，新文档的页面大小与原始文档不同。因此，一些文本在新文档中被裁剪或丢失。我正在使用PDFBox 2.0，如何避免这种情况？

更新：感谢@mkl。

斯普利特变魔术了。这是更新后的工作部件，

public static void extractAndCreateDocument(SplitMeta meta, PDDocument source)
      throws IOException {

    File file = new File(meta.getFilename());

    Splitter splitter = new Splitter();
    splitter.setStartPage(meta.getStart());
    splitter.setEndPage(meta.getEnd());
    splitter.setSplitAtPage(meta.getEnd());

    List<PDDocument> docs = splitter.split(source);
    if(docs.size() > 0){
      PDDocument output = docs.get(0);
      output.save(file);
      output.close();
    }
  }

public class SplitMeta {

  private String filename;
  private int start;
  private int end;

  public SplitMeta() {
  }
}

Answer 1

遗憾的是，OP没有提供复制该问题的示例文档。因此，我不得不猜测。

我假设问题是基于没有直接链接到页面对象但从其父对象继承的对象。

在这种情况下，请使用PDDocument。addPage是错误的选择，因为此方法只将给定的page对象添加到目标文档页面树中，而不考虑继承的内容。

相反，应该使用PDDocument。导入页面，记录如下：

/**
 * This will import and copy the contents from another location. Currently the content stream is stored in a scratch
 * file. The scratch file is associated with the document. If you are adding a page to this document from another
 * document and want to copy the contents to this document's scratch file then use this method otherwise just use
 * the {@link #addPage} method.
 * 
 * Unlike {@link #addPage}, this method does a deep copy. If your page has annotations, and if
 * these link to pages not in the target document, then the target document might become huge.
 * What you need to do is to delete page references of such annotations. See
 * <a href="http://stackoverflow.com/a/35477351/535646">here</a> for how to do this.
 *
 * @param page The page to import.
 * @return The page that was imported.
 * 
 * @throws IOException If there is an error copying the page.
 */
public PDPage importPage(PDPage page) throws IOException

实际上，即使是这种方法也可能不够，因为它不考虑所有继承的属性，但查看拆分器实用程序类，您会对必须执行的操作有一个印象：

PDPage imported = getDestinationDocument().importPage(page);
imported.setCropBox(page.getCropBox());
imported.setMediaBox(page.getMediaBox());
// only the resources of the page will be copied
imported.setResources(page.getResources());
imported.setRotation(page.getRotation());
// remove page links to avoid copying not needed resources 
processAnnotations(imported);

使用helper方法

private void processAnnotations(PDPage imported) throws IOException
{
    List<PDAnnotation> annotations = imported.getAnnotations();
    for (PDAnnotation annotation : annotations)
    {
        if (annotation instanceof PDAnnotationLink)
        {
            PDAnnotationLink link = (PDAnnotationLink)annotation;   
            PDDestination destination = link.getDestination();
            if (destination == null && link.getAction() != null)
            {
                PDAction action = link.getAction();
                if (action instanceof PDActionGoTo)
                {
                    destination = ((PDActionGoTo)action).getDestination();
                }
            }
            if (destination instanceof PDPageDestination)
            {
                // TODO preserve links to pages within the splitted result  
                ((PDPageDestination) destination).setPage(null);
            }
        }
        // TODO preserve links to pages within the splitted result  
        annotation.setPage(null);
    }
}

当您尝试将单个PDF拆分为多个时，例如将10页文档拆分为10页文档，您可能希望按原样使用此Splitter实用程序类。

为了测试这些方法，我使用了PDF小丑示例输出AnnotationSample的输出。标准pdf，因为该库严重依赖于页面树值的继承。因此，我使用PDDocument将其唯一页面的内容复制到新文档中。添加页面，PDDocument。导入页面，或拆分器，如下所示：

PDDocument source = PDDocument.load(resource);
PDDocument output = new PDDocument();
PDPage page = source.getPages().get(0);
output.addPage(page);
output.save(new File(RESULT_FOLDER, "PageAddedFromAnnotationSample.Standard.pdf"));
output.close();

（CopyPages.javatesttestSusAddPage）

PDDocument source = PDDocument.load(resource);
PDDocument output = new PDDocument();
PDPage page = source.getPages().get(0);
output.importPage(page);
output.save(new File(RESULT_FOLDER, "PageImportedFromAnnotationSample.Standard.pdf"));
output.close();

（CopyPages.java测试testWithImportPage）

PDDocument source = PDDocument.load(resource);
Splitter splitter = new Splitter();
List<PDDocument> results = splitter.split(source);
Assert.assertEquals("Expected exactly one result document from splitting a single page document.", 1, results.size());
PDDocument output = results.get(0);
output.save(new File(RESULT_FOLDER, "PageSplitFromAnnotationSample.Standard.pdf"));
output.close();

（CopyPages.java测试用剥离器测试）

只有最后的测试才忠实地复制了页面。